Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I)
|
|
- Adelina Ferretti
- 7 anni fa
- Visualizzazioni
Transcript
1 Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I) Luigi De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi alle spiegazioni del docente. Il loro scopo è quello di fissare alcuni concetti presentati in classe. Le note contengono un numero limitato di esempi ed esercizi svolti. Questi rappresentano una parte fondamentale nella comprensione della materia e sono presentati in classe. 1
2 Contents 1 Problemi di programmazione lineare Notazione Soluzione di un problema PL Geometria della Programmazione Lineare La regione ammissibile Vertici di un poliedro Caratterizzazione algebrica dei vertici Motivazioni Forma standard di problemi di programmazione lineare Richiami di algebra lineare Vettori e matrici Sistemi di equazioni lineari Soluzioni di base Vertici e soluzioni di base Verso un metodo per la soluzione di problemi di PL L. De Giovanni - Ricerca Operativa 2
3 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione di una funzione obiettivo sotto un certo numero di vincoli: si vuole trovare la soluzione che massimizza o minimizza la funzione obiettivo f tra tutte le soluzioni x che soddisfano un dato insieme di m vincoli definiti come funzioni g i. In termini matematici possiamo scrivere: dove x = x 1 x 2. x n min(max) f(x) s.t. g i (x) = b i (i = 1... k) g i (x) b i (i = k k ) g i (x) b i (i = k m) x R n è un vettore di n variabili reali (ciascun vettore rappresenta una poten- ziale soluzione del problema); f e g i sono funzioni R n R b i R Un problema di Programmazione Lineare (PL) è un problema di ottimizzazione in cui la funzione obiettivo f e tutti i vincoli g i sono funzioni lineari delle variabili x j : 1.1 Notazione min(max) c 1 x 1 + c 2 x c n x n s.t. a i1 x 1 + a i2 x a in x n = b i (i = 1... k) a i1 x 1 + a i2 x a in x n b i (i = k k ) a i1 x 1 + a i2 x a in x n b i (i = k m) x i R (i = 1... n) Ricorrendo alle operazioni tra vettori, un problema di PL può essere scritto in forma più compatta. Si noti come la funzione obiettivo è ottenuta dal prodotto scalare dei due c 1 x 1 c 2 vettori c =. e x = x 2. Lo stesso prodotto può essere scritto come prodotto. c n x n righe per colonne del vettore riga c T e del vettore colonna x, cioè: L. De Giovanni - Ricerca Operativa 3
4 c T x = [ ] c 1 c 2... c n x 1 x 2. x n = c 1x 1 + c 2 x c n x n Analogamente, il termine a sinistra di ciascun vincolo i può essere scritto come: x 1 a T i x = [ ] x 2 a i1 a i2... a in. = a i1x 1 + a i2 x a in x n x n In forma più compatta, un problema PL diventa: min(max) c T x s.t. a T i x = b i (i = 1... k) a T i x b i (i = k k ) a T i x b i (i = k m) x R n 1.2 Soluzione di un problema PL Una soluzione ammissibile di un problema di PL è un vettore x R n che soddisfa tutti i vincoli. L insieme di tutte le soluzioni ammissibili si dice regione ammissibile o insieme ammissibile. Una soluzione ottima x è una soluzione ammissibile che ottimizza (miminizza o massimizza) il valore della funzione obiettivo tra tutte le soluzioni ammissibili: c T x ( )c T x, x R n, x ammissibile. Non sempre un problema di PL ammette una soluzione ottima. Infatti, è possibile dimostrare che ogni problema di PL soddisfa sempre e solo uno dei 3 casi seguenti: 1. il problema è inammissibile: l insieme ammissibile è vuoto; 2. il problema è illimitato: è possibile trovare delle soluzioni ammissibili che fanno diminuire (o aumentare per problemi di massimo) il valore della funzione obiettivo a piacere. 3. il problema ammette soluzione ottima: esiste almeno una soluzione ammissibile che ottimizza la funzione obiettivo (e il valore ottimo della funzione obiettivo è limitato). Risolvere un problema di PL significa riconoscere uno dei tre casi citati e dare, nel caso 3, una soluzione ottima e il corrispondete valore della funzione obiettivo. L. De Giovanni - Ricerca Operativa 4
5 2 Geometria della Programmazione Lineare Per la messa a punto di metodi di soluzione di problemi di PL, è utile analizzare la geometria dell insieme ammissibile. 2.1 La regione ammissibile Ciascuna equazione o disequazione nel sistema dei vincoli di un problema PL individua una regione nello spazio R n : ogni equazione individua un iperpiano e ogni disequazione un semispazio chiuso. L insieme ammissibile deriva dall intersezione di questi iperpiani e semispazi chiusi. Definizione 1 (Poliedro). Un insieme P R n è un poliedro se è ottenuto dall intersezione di un numero finito di semispazi chiusi e iperpiani in R n. Da un punto di vista geometrico, quindi, una soluzione ammissibile è un punto nello spazio n-dimensionale e la regione ammissibile è un poliedro nello stesso spazio. Un esempio è dato dalla figura 1. Figure 1: Un poliedro in R 3 Possiamo quindi scrivere un problema di PL nella seguente forma: oppure min(max) s.t. c T x x P dove P è un poliedro in R n. min(max){c T x : x P } L. De Giovanni - Ricerca Operativa 5
6 2.2 Vertici di un poliedro Se pensiamo alla soluzione di un problema di PL con il metodo grafico, intuiamo la particolare rilevanza dei punti del poliedro corrispondenti ai vertici, dove si trova una soluzione ottima. Introduciamo dei concetti che ci aiutino a generalizzare questo risultato. Definizione 2 (Combinazione convessa di due punti) Dati due punti x, y R n, il punto z R n è combinazione convessa di x e y se esiste uno scalare λ [0, 1] tale che z = λx + (1 λ)y. Per avere un idea del significato [ ] geometrico [ ] della combinazione convessa, consideriamo x1 y1 x e y nel piano, cioé x = e y =. Le combinazioni convesse dei due punti x x 2 y 2 e y rappresentano, al variare di λ tra 0 e 1, tutti e soli i punti del segmento x y, estremi inclusi (vedi figura 2). Figure 2: Combinazione convessa in R 2 Definizione 3 (Combinazione convessa stretta di due punti) Dati due punti x, y R n, il punto z R n è combinazione convessa stretta di x e y se esiste uno scalare λ (0, 1) tale che z = λx + (1 λ)y. In pratica, la combinazione convessa stretta non include i due punti x e y. Definizione 4 (Vertice di un poliedro) Dato un poliedro P e un punto del poliedro v P, v è vertice di P se non può essere espresso come combinazione convessa stretta di due punti distinti dello stesso poliedro: x, y P, λ (0, 1) : x y, v = λx + (1 λ)y. Il concetto di combinazione convessa può essere generalizzato alla combinazione di più punti, come segue. L. De Giovanni - Ricerca Operativa 6
7 Definizione 5 (Combinazione convessa) Dati k punti x 1, x 2... x k R n, il punto z R n è combinazione convessa di x 1, x 2... x k se esistono k scalari non negativi λ 1, λ 2... λ k 0 k k tali che λ i = 1 e z = λ i x i. i=1 i=1 Per l interpretazione geometrica, possiamo considerare la figura 3: al variare dei coefficienti λ i, si possono rappresentare tutti i punti nel quadrilatero evidenziato (corrispondente all inviluppo convesso dei suoi 4 vertici). Figure 3: Combinazione convessa in R 2 Usando questa definizione, è facilmente intuibile il seguente risultato, del quale non diamo dimostrazione formale: Teorema 1 (Rappresentazione dei poliedri [Minkowski-Weyl] - caso limitato): Dato un poliedro limitato P R n, e indicando con v 1, v 2,..., v k (v i R n ) i vertici di P, si ha x P x = k i=1 λ iv i con λ i 0, i = 1..k e k i=1 λ i = 1. In altri termini, ogni punto di P si può ottenere come combinazione convessa dei suoi vertici. Abbiamo ora gli elementi per generalizzare il risultato che fa corrispondere l ottimo di un problema PL con uno dei suoi vertici. Teorema 2 (Vertice ottimo) Dato un problema PL min(max){c T x : x P }, se P è non vuoto e limitato, allora il problema ammette soluzione ottima e esiste almeno un vertice ottimo. Dimostrazione: consideriamo il caso di problemi di minimizzazione (per problemi di massimizzazione la dimostrazione e analoga). L esistenza di una soluzione ottima deriva dall escludere la possibilità di problema inammissibile (P è non vuoto) e la possibilità di problema illimitato (P è limitato). Sia V = {v 1, v 2... v k } l insieme dei vertici di L. De Giovanni - Ricerca Operativa 7
8 P. Consideriamo il minimo valore assunto dalla funzione obiettivo sui vertici e sia v il vertice (o uno dei vertici) in cui la funzione obiettivo assume questo valore minimo: v = arg min c T v : v V. Per un generico punto del poliedro x P, possiamo scrivere: c T x = k i=1 λ iv i = k i=1 λ ic T v i k i=1 λ ic T v = c T v k i=1 λ i = c T v In sintesi, x P, c T v c T x, cioè v è una soluzione ottima corrispondente ad un vertice del poliedro. Il risultato appena dimostrato è molto importante perché permette di restringere la ricerca dell ottimo di un problema di PL ai soli vertici di un poliedro (che, come vedremo, sono in numero limitato), potendo trascurare i restanti (infiniti) punti della regione ammissibile. Consideriamo il seguente esempio. Esempio 1 Una piccola ditta di profumi realizza due nuove fragranze a partire da 3 essenze: rosa, mughetto e viola. Per realizzare un litro di fragranza 1 sono richiesti 3 centilitri di rosa, 1 centilitro di mughetto e 3 centilitri di viola. Per realizzare un litro di fragranza 2 sono richiesti 4 centilitri di rosa, 4 centilitri di mughetto e 2 centilitri di viola. La disponibilità in magazzino per le tre essenze è di 24, 20 e 18 centilitri per rosa, mughetto e viola rispettivamente. Sapendo che l azienda realizza un profitto di 13 e 10 euro per ogni litro venduto di fragranza 1 e 2 rispettivamente, determinare le quantità ottimali delle due fragranze da produrre. Introducendo le variabili: - x 1 : quantità in litri di fragranza 1 e - x 2 : quantità in litri di fragranza 2, un modello di programmazione lineare in grado di risolvere il problema è il seguente: max 13x x 2 s.t. 3x 1 + 4x 2 24 (e1) x 1 + 4x 2 20 (e2) 3x 1 + 2x 2 18 (e3) x 1, x 2 0 In figura 4 è rappresentata la regione ammissibile. La ricerca dell ottimo può avvenire sui soli vertici e ciascun vertice è ottenibile dall intersezione di due delle rette che definiscono i semipiani corrispondenti ai vincoli (sulle disponibilità di essenze o di non negatività delle variabili). Ad esempio, il vertice B = (2, 9/2) è ottenuto dall intersezione della retta x 1 + 4x 2 = 20 con la retta 3x 1 + 4x 2 = 24; il vertice E = (6, 0) è ottenuto dall intersezione delle rette x 2 = 0 e 3x 1 + 2x 2 = 18 etc. Calcolando il valore della funzione obiettivo in ciascun vertice e scegliendo il valore minimo, si ottiene l ottimo in corrispondenza del vertice C: x 1 = 4, x 2 = 3 con valore della funzione obiettivo pari a 82 (profitto massimo pari a 82). Ovviamente, la rappresentazione grafica dei vertici non è sempre possibile e, per poter procedere alla ricerca dell ottimo sui vertici, è necessario poterli determinare per via algebrica. L. De Giovanni - Ricerca Operativa 8
9 Figure 4: Regione ammissibile del problema dei profumi 3 Caratterizzazione algebrica dei vertici 3.1 Motivazioni Tralasciando per il momento i vincoli di non negatività delle variabili, i restanti vincoli del problema, possono essere scritti sotto forma di equazioni come segue: 3x 1 + 4x 2 + s 1 = 24 x 1 + 4x 2 + s 2 = 20 3x 1 + 2x 2 + s 3 = 18 dove s 1, s 2 e s 3 sono variabili ausiliarie che indicano la possibilità di soddisfare i rispettivi vincoli originari all uguaglianza (se assumono valore 0) o in modo stretto (se assumono valori > 0). Si tratta di un sistema di 3 equazioni (non ridondanti né contraddittorie) in 5 incognite che, come noto, può essere risolto sfruttando 2 gradi di libertà per fissare a piacere il valore di 2 incognite e ricavare il valore delle altre 3. Decidiamo allora di fissare al valore 0 le incognite s 1 e s 2. Si ottiene il sistema 3x 1 + 4x 2 = 27 x 1 + 4x 2 = 20 3x 1 + 2x 2 + s 3 = 18 che porta alla soluzione x 1 = 2, x 2 = 9/2, s 1 = 0, s 2 = 0, s 3 = 3. Si noti come tale soluzione corrisponda al vertice B. In effetti, porre s 1 = s 2 = 0 significa, da un punto di vista geometrico, saturare i vincoli (e1) ed (e2): la soluzione si troverà quindi all intersezione delle corrispondenti rette. Un altra soluzione particolare può essere ottenuta fissando a 0 le variabili x 1 e s 2, che porta alla soluzione x 1 = 0, x 2 = 5, s 1 = 4, s 2 = 0, s 3 = 8, corrispondente al vertice A. Intuiamo quindi che, tra le infinite ( 5 3 ) soluzioni del sistema di equazioni equivalente ai vincoli del problema, ne esistono alcune particolari: queste soluzioni sono ottenute L. De Giovanni - Ricerca Operativa 9
10 fissando a 0 un numero opportuno di variabili e corrispondono a vertici della regione ammissibile. Si noti che le le variabili da porre a 0 devono essere opportunamente scelte. Ad esempio, ponendo x 1 = s 1 = 0, si ottiene la soluzione x 1 = 0, x 2 = 6, s 1 = 0, s 2 = 4, s 3 = 6 che non corrisponde ad un vertice del poliedro: la soluzione ottenuta non è infatti ammissibile, dato che s 2 < 0 indica che il vincolo (e2) è violato. Cerchiamo di generalizzare queste osservazioni. Il primo passo è scrivere i vincoli di un problema PL in modo conveniente sotto forma di sistema di equazioni lineari. Il secondo passo è la manipolazione del sistema di equazioni per derivare delle soluzioni che corrispondano a vertici del poliedro ammissibile. Introduciamo quindi la forma standard per un problema di PL e richiamiamo alcune notazioni e proprietà dell algebra lineare. 3.2 Forma standard di problemi di programmazione lineare Un qualsiasi problema di PL può essere messo nella seguente forma, detta forma standard: dove min c 1 x 1 + c 2 x c n x n s.t. a i1 x 1 + a i2 x a in x n = b i (i = 1... m) x i R + (i = 1... n) - la funzione obiettivo è di minimo e senza costanti additive o moltiplicative (si moltiplicano per -1 le funzioni di massimizzazione; le costanti additive e moltiplicative possono essere trascurate); - tutte le variabili sono positive o nulle (si effettuano sostituzioni di variabili per le variabili libere o negative); - tutti i vincoli sono delle equazioni (si aggiunge una variabile positiva di slack per i vincoli di e si sottrae una variabile positiva di surplus per i vincoli di ); - i termini noti b i sono tutti positivi o nulli (si moltiplicano per -1 i vincoli con termine noto negativo). Ciò permette, senza perdere in generalità, di risolvere un qualsiasi problema di PL tramite sistemi di equazioni lineari. Esercizio 1 Mettere in forma standard il seguente problema di PL: max 5( 3x 1 + 5x 2 7x 3 ) + 34 s.t. 2x 1 + 7x 2 + 6x 3 x 1 5 3x 1 + x x 1 0 x 2 0 L. De Giovanni - Ricerca Operativa 10
11 3.3 Richiami di algebra lineare Vettori e matrici Un vettore v R n è una n-upla di numeri reali (v 1, v 2... v n ). Una matrice A R m n è una tabella m n di numeri reali ordinati secondo righe a 11 a a 1n a 11 a a 1n e colonne: A = a m1 a m2... a mn Un vettore v R n può essere visto come una matrice particolare con una sola colonna o riga: v 1 - vettore colonna v R n 1 v 2 : v =. v n - vettore riga v T R 1 n : v T = [v 1, v 2,..., v n ] Dati due vettori v, w R n, il prodotto scalare v w può essere scritto come caso particolare del prodotto tra matrici righe colonne: v w = v T w = vw T = n i=1 v iw i Una matrice A R m n può essere scritta come giustapposizione delle sue righe o a 11 a a 1n a T 1 a 11 a a 1n colonne: A = = a T 2. = [ ] A 1 A 2... A n a m1 a m2... a mn Il Rango di una matrice A R m n è indicato con ρ(a) ed è il massimo numero di righe linearmente indipendenti (coincide con il massimo numero di colonne linearmente indipendenti). Matrici quadrate B R m m : matrice inversa: B 1 R m m : B 1 B = BB 1 = I (matrice identità m m); B è invertibile det(b) 0 (matrice non singolare); det(b) 0 ρ(b) = m. a T m L. De Giovanni - Ricerca Operativa 11
12 3.3.2 Sistemi di equazioni lineari Sistemi di equazioni in forma matriciale: un sistema di m equazioni in n incognite può essere messo in forma matriciale: Ax = b, con A R m n, b R m e x R n. Teorema di Rouché-Capelli: Ax = b ammette soluzioni ρ(a) = ρ(a b) = r ( n r soluzioni). Operazioni elementari su matrici: scambiare la riga i con la riga j; moltiplicare la riga i per uno scalare non nullo; sostituire alla riga i, la riga i più α volte la riga j (α R). Le operazioni elementari sulla matrice aumentata [A b] non alterano l insieme delle soluzioni ammissibili del sistema Ax = b. Metodo di Gauss-Jordan per la soluzione di sistemi Ax = b: eseguire delle operazioni elementari sulla matrice aumentata in modo da ottenere in A una sottomatrice identità di dimensioni pari a ρ(a) = ρ(a b). 3.4 Soluzioni di base Un metodo per risolvere un sistema di equazioni lineari si ottiene ricorrendo al concetto di base di una matrice. Sia data una matrice A R m n. D ora in poi assumeremo che n > m (in modo da avere infinite soluzioni ammissibili tra le quali scegliere la soluzione ottima) e che la matrice abbia rango massimo (ρ(a) = m). Definizione 6 (Base) Una base di A è una sottomatrice quadrata di A di rango massimo o, in altri termimi, una matrice B R m m ottenuta scegliendo m colonne linearmente indipendenti della matrice A. Dato un sistema Ax = b si scelga una base B della matrice A. Le colonne della matrice A e le variabili del vettore x possono essere riordinati opportunamente in modo da poter scrivere: [ ] A = [B F ] B R m m xb, det(b) 0 x =, x B R m, x F R n m dove B è l insieme delle colonne di A che formano la base; F l insieme delle restanti colonne; x B il vettore delle variabili corrispondenti alle colonne in base (variabili di base); x F L. De Giovanni - Ricerca Operativa 12
13 x F il vettore delle variabili corrispondenti alle colonne fuori base (variabili non di base o fuori base). Di conseguenza, il[ sistema ] Ax = b si può scrivere in forma a blocchi: xb Ax = b = [B F ] = Bx B + F x F = b x F Osservando che la matrice di base B è invertibile (ha rango massimo), una soluzione al sistema Ax = b si può ottenere ponendo a 0 tutte le variabili fuori base (x F = 0) e scrivendo [ ] [ ] xb B x = = 1 b 0 x F Esercizio 2 Con riferimento all esempio precedente, si consideri la base formata dalle colonne di x 1, x 2 e s 3 e si determinino B, F, x B e x F. Scegliendo una matrice di base B diversa da B, cioè scegliendo un diverso insieme di m colonne [ di A] linearmente [ ] indipendenti, si ottiene una nuova soluzione del sistema xb B x = = 1 b. x F 0 Definizione 7 Soluzioni di base Dato un sistema di equazioni Ax = b, le soluzioni ottenute scegliendo una base B della matrice e ponendo x B = B 1 b e x F = 0 si dicono soluzioni di base. Caratteristica delle soluzioni di base è di avere (al più) m variabili diverse da 0 (le variabili di base) e (almeno) m n variabili pari a 0 (variabili non di base). Infatti, potrebbe verificarsi il caso corrispondente alla seguente definizione: Definizione 8 Soluzioni di base degeneri Dato un sistema di equazioni Ax = b e una base B di A, la soluzione di base corrispondente (e, per estensione, la stessa base) si dice degenere se il vettore x B = B 1 b ha almeno una componente nulla. Qualora il sistema di equazioni Ax = b sia riferito ad un problema di PL in forma standard, si introducono le seguenti definizioni: Definizione 9 Soluzioni di base ammissibili Dato un sistema di equazioni Ax = b e una base B di A, la soluzione di base corrispondente (e, per estensione, la stessa base) si dice ammissibile (resp. non ammissibile) se viene soddisfatta (resp. non soddisfatta) la condizione di non negatività x B = B 1 b 0. L. De Giovanni - Ricerca Operativa 13
14 3.5 Vertici e soluzioni di base Consideriamo un problema di PL in forma standard min c 1 x 1 + c 2 x c n x n s.t. a i1 x 1 + a i2 x a in x n = b i (i = 1... m) x i R + (i = 1... n) o, equivalentemente, in forme più compatte: oppure min c T x s.t. Ax = b x 0 min{c T x : Ax = b, x 0} Le soluzioni ammissibili di base associate al problema di PL si ottengono risolvendo un sistema di equazioni univocamente determinato e che corrisponde, secondo l interpretazione geometrica sopra riportata, all intersezione di un numero opportuno di iperpiani in R. Si ha infatti la seguente importante proprietà, nota come caratterizzazione algebrica dei vertici di un politopo: Teorema 3 (Corrispondenza tra vertici e soluzioni di base). Dato un problema di PL min{c T x : Ax = b, x 0} e il corrispondente poliedro della regione ammissibile P = {x R n : Ax = b, x 0}, x è soluzione ammissibile di base del sistema Ax = b x è vertice di P. Dimostrazione: Vedi libro di testo. Immediata e importante conseguenza è il seguente risultato Teorema 4 Soluzione ammissibile di base ottima. Dato un problema di PL min{c T x : x P }, dove P = {x 0 : Ax = b} è un poliedro limitato e non vuoto, esiste almeno una soluzione ottima coincidente con una soluzione ammissibile di base. Dimostrazione: Per il teorema 2 esiste un vertice ottimo che corrisponde, per il teorema 3, a una soluzione ammissibile di base. 3.6 Verso un metodo per la soluzione di problemi di PL I risultati teorici sopra riportati possono essere immediatamente sfruttati per derivare un metodo generale per la soluzione di un problema di PL min{c T x : Ax = b, x 0}. Per il teorema 4, la soluzione ottima, se esiste, può essere ricercata tra tutte le soluzioni di base del sistema di equazioni Ax = b. In particolare, siamo interessati alle soluzioni L. De Giovanni - Ricerca Operativa 14
15 ammissibili di base, cioè le soluzioni di base in cui le variabili di base assumano valori positivi o nulli: B 1 b 0. Mentre il numero di soluzioni ammissibili è, almeno per i casi di interesse, illimitato ( (n m) secondo il teorema di Rouché-Capelli), il numero di soluzioni ammissibili di base (e, per il teorema 3, il numero di vertici del poliedro ammissibile) è limitato superiormente dal numero delle possibili combinazioni di m colonne scelte tra le n colonne di A: ( n m ) = n! m!(n m)! (numero massimo di soluzioni ammissibili di base e di vertici del poliedro ammissibile) Pertanto, si potrebbe derivare un algoritmo che ricerca esaustivamente tutte le possibili basi di A. Ovviamente, anche se non tutte le combinazioni di m colonne tra le n della matrice A corrispondono a soluzioni di base (le colonne potrebbero non essere linearmente indipendenti o la corrispondente soluzione di base potrebbe non essere ammissibile), il numero di soluzioni ammissibili di base è comunque molto elevato e la ricerca esaustiva non è un metodo efficiente. Il metodo del simplesso è un metodo iterativo che permette di esplorare in modo efficiente l insieme delle soluzioni ammissibili di base, a partire da una soluzione ammissibile di base data. L efficienza consiste nel garantire di generare, ad ogni iterazione: soluzioni ammissibili soluzioni che migliorino (o comunque non peggiorino) la soluzione all iterazione precedente, in termini di valore della funzione obiettivo. L. De Giovanni - Ricerca Operativa 15
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso Luigi De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso Luigi De Giovanni Giacomo Zambelli Problemi di programmazione lineare Un problema di ottimizzazione
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi, poliedri Sia a un vettore non nullo
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
DettagliRicerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab
Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliGeometria della Programmazione Lineare
Capitolo 2 Geometria della Programmazione Lineare In questo capitolo verranno introdotte alcune nozioni della teoria dei poliedri che permetteranno di cogliere gli aspetti geometrici della Programmazione
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 5-6 lez.) Matematica Computazionale
DettagliRicerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.
1 Lunedí 9 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di Ottimizzazione min(o max) f (x) con la restrizione x S dove f (x) : R n R è detta funzione obiettivo S R n
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliSoluzione grafica di problemi PM in 2 variabili
Capitolo 4 Soluzione grafica di problemi PM in 2 variabili In questo paragrafo si vuole fornire una interpretazione geometrica di un problema di Programmazione matematica. In particolare, quando un problema
DettagliLA GRAN PARTE DI QUESTI ELEMENTI DOVREBBE ESSERE GIÀ NOTA
I PRESUPPOSTI DELL ALGORITMO DEL SIMPLESSO CONSISTONO IN UN INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEGLI INSIEMI CONVESSI ED UN ALTRO INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEI SISTEMI
DettagliRicerca Operativa. Ricerca Operativa p. 1/6
Ricerca Operativa Ricerca Operativa p. 1/6 Ricerca Operativa Disciplina basata sulla modellizzazione e la risoluzione tramite strumenti automatici di problemi di decisione complessi. In tali problemi la
DettagliSI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11
SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 MARTEDÌ 11 APRILE LA LEZIONE SI TERRÀ IN AULA SEMINARI PIANO C 1di 26 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE
DettagliLEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18
LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO 1di 18 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva
DettagliEsercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 6 - Soluzioni Esercizio 6.1 La soluzione ottima è il vertice 4 1, di valore 9, vedi
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliTeoria della Programmazione Lineare
6 Teoria della Programmazione Lineare In questo capitolo iniziamo lo studio formale dei problemi di Programmazione Lineare e, in particolare, dimostriamo il Teorema fondamentale della Programmazione Lineare.
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliAlgoritmo del Simplesso
Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. -4 lez.) Matematica Computazionale
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
DettagliRicerca Operativa 2. Introduzione al metodo del Simplesso
Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min f () s.v. X n insieme delle soluzioni ammissibili con funzione obiettivo
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliLe condizioni di Karush-Kuhn-Tucker
Capitolo 9 Le condizioni di Karush-Kuhn-Tucker 9. Introduzione In questo capitolo deriveremo le condizioni necessarie di Karush-Kuhn-Tucker (KKT) per problemi vincolati in cui S è descritto da vincoli
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliCondizioni di Karush-Kuhn-Tucker e Programmazione Lineare
Condizioni di Karush-Kuhn-Tucker e Programmazione Lineare A. Agnetis 1 Richiami su condizioni di Karush-Kuhn-Tucker e convessità Si consideri il problema di ottimizzazione vincolata: min f(x) (1) x X R
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliAlgoritmi per la programmazione lineare: il metodo del simplesso
Algoritmi per la programmazione lineare: il metodo del simplesso Dipartimento di Informatica, Universita' di Pisa A.A. 2018/2019 Contenuti della lezione Problemi di programmazione lineare, forma standard
DettagliNote sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010
Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 21 Sistemi lineari. Un sistema lineare di n 1 equazioni in m incognite
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani parametriche Allineamento nel piano nello spazio Angoli tra rette e distanza 2 2006 Politecnico di Torino 1 Esempio 2 Sia A = (1, 2). Per l interpretazione geometrica
DettagliParte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio
Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Nozioni di geometria Definizione: Un vettore y R n è combinazione conica dei vettori { 1,, k } se esistono k coefficienti reali λ
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
Dettagli5.2 IL TEOREMA FONDAMENTALE DELLA PROGRAMMAZIONE LINEARE
94 TEORIA DELLA PROGRAMMAZIONE LINEARE 5.2 IL TEOREMA FONDAMENTALE DELLA PROGRAMMAZIONE LINEARE Quanto fino ad ora esaminato permette di enunciare e dimostrare un risultato di fondamentale importanza che
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla teoria della dualità in programmazione lineare L. De Giovanni G. Zambelli 1 Definizione del problema duale La teoria della dualità in programmazione
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliRicerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
1 Giovedí 19 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente:
DettagliProgrammazione Non Lineare
Capitolo 1 Programmazione Non Lineare 1.1 Introduzione Un problema di ottimizzazione viene definito come la minimizzazione o la massimizzazione di una funzione a valori reali su un insieme specificato.
DettagliUniversità degli Studi di Roma La Sapienza
Università degli Studi di Roma La Sapienza Dipartimento di Informatica e Sistemistica A. Ruberti Proff. Gianni Di Pillo and Laura Palagi Note per il corso di OTTIMIZZAZIONE (a.a. 2007-08) Dipartimento
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
DettagliALGEBRA LINEARE PARTE III
DIEM sez Matematica Finanziaria Università degli studi di Genova Dicembre 200 Indice PREMESSA 2 GENERALITA 2 RAPPRESENTAZIONE DI UN SISTEMA LINEARE IN FORMA MATRI- CIALE 2 3 SOLUZIONE DI SISTEMI LINEARI
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
Dettagli1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =...
Algebra/ Algebra Lineare, 230207 1 Un sistema di m equazioni lineari in n incognite x 1, x n aventi tutte termine noto nullo a i1 x 1 + a i2 x 2 + + a in x n = 0, i = 1,, m si dice omogeneo; ponendo x
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
DettagliEsercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliRICERCA OPERATIVA (9 cfu)
a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati
Dettaglir 2 r 2 2r 1 r 4 r 4 r 1
SPAZI R n 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x, y, z)
DettagliAnalisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.
Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe
DettagliIl metodo del simplesso
7 Il metodo del simplesso Dato un problema di PL è ovviamente necessario, se il modello fatto deve essere di qualche utilità, essere capaci di risolverlo. Nel caso della programmazione lineare si dice
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliSoluzione della seconda prova intermedia di Algebra lineare del 17 maggio Esercizio 1
Soluzione della seconda prova intermedia di Algebra lineare del 17 maggio 2012 Esercizio 1 (a) Si calcola il polinomio caratteristico λ 2 1 p(λ) = det k 1 2k λ k 1 2 2 λ usando lo sviluppo di Laplace secondo
DettagliIstituzioni di Matematiche Modulo A (ST)
Istituzioni di Matematiche Modulo A (ST V II foglio di esercizi ESERCIZIO. Nei seguenti sistemi lineari, discutere l insieme delle soluzioni al variare del parametro t, o dei parametri t e τ, in R. 5 x
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliRICERCA OPERATIVA. Tema d esame del 13/12/2005
RICERCA OPERATIVA Tema d esame del 13/12/2005 COGNOME: NOME: MATRICOLA: 1. Un associazione umanitaria ha raccolto 150.000 euro per inviare dei pacchetti regalo natalizi ai bambini di Haiti. Per l acquisto
Dettagli